hhim8826/

japanese-anime-speech-v2-split-150k

joujiboi/japanese-anime-speech-v2 的 150,000 筆隨機子集，已切好 train / test。

split rows

train 135,000

test 15,000

total 150,000

audio — 16 kHz mp3，與原始資料完全相同（未重新編碼） sentence — 轉錄文字（原始欄位名為 transcription）

來源的 sfw（271,788 筆）與 nsfw（20,849 筆）兩個 split 都有使用，並依原始比例分配名額 （sfw 139,313 / nsfw 10,687）。 在每個 split 的全部列上做無放回均勻抽樣，因此每筆資料被選中的機率相同。 抽出後整體打亂，前 15,000 筆為 test，其餘為 train，train / test… See the full description on the dataset page: https://huggingface.co/datasets/hhim8826/japanese-anime-speech-v2-split-150k.